码迷,mamicode.com
首页 >  
搜索关键字:优化算法    ( 512个结果
算法设计与问题特性
自己研究了很多年的优化算法,也知道不少优化的思想,但最近翻看Vaziranni的《Approximate Algorithm》时,其在前言中阐述算法设计与问题特性时的比喻非常好,其实也是做优化算法的一个原则,不多废话,摘录如下:     “与米开朗基罗部分艺术研究工作的下属类比能很好地说明我们关于算法设计和讲解的原则。米开朗基罗的主要工作是在采石场寻找能引起注意的石块,然后长时间凝视他们以确定他...
分类:编程语言   时间:2014-11-02 12:29:39    阅读次数:166
差异演化
差异演化和昨天实现的PSO很类似,都属于优化算法。算法步骤:1.设定种群个体个数和需要迭代的次数。当然也可以设定条件,然后判断是否停止迭代。2.定义交叉概率CR,个体有一定概率进行变异,如果变异则进行第3步,如果不变异则下一代个体和当前个体一样。3.在种群中随机选出三个互不相同的个体进行变异,变异公...
分类:其他好文   时间:2014-10-26 00:19:48    阅读次数:266
字符串中第一个只出现一次的字符,如何优化算法使得遍历次数更少?
/***只允许遍历一遍字符串*/publicclass找出字符串中第一个只出现一次的字符{ publicstaticvoidmain(String[]args){ //测试字符串 Stringstr="asdsacjj"; //字符串转化成字符 char[]strToChar=str.toCharArray(); intlen=strToChar.length;//字符串长度 //hashset用于判..
分类:编程语言   时间:2014-10-15 04:55:00    阅读次数:258
最优化算法 (一)
最速下降法采用负梯度方向进行一维搜索,总体上看搜索速度应该是比较快,但是当迭代进行到靠近精确最优点时,会出现锯齿形搜索路径,这样就会大大降低搜索效率,所以通常在搜索前期采用最速下降法,当接近精确最优解时,改用牛顿法等其他在最优解附近搜索效率更高的方法。但是牛顿法也有缺点:一方面需要计算Hesse矩阵...
分类:其他好文   时间:2014-10-09 15:03:43    阅读次数:181
哈夫曼树及哈夫曼编码
利用哈夫曼树,可以将将整体选择判断的次数降到最低,优化算法,进而将得到的哈夫曼树进行编码时,则可以将字符在传输过程中总的编码长度降到最短。          如上图,是一个判断体重在什么范围内的判定树,例如,学校体检的时候,我们反复用这个算法,当你输入一个体重:200斤,然后程序就开始反复判断了,经过三次判断,它发现你过重,然后重启系统了,又来一个人,还是200斤,三次判断之后,又系统重启了…后面的200多个200多斤的盘子判断完了之后,来了个...
分类:其他好文   时间:2014-09-25 22:02:07    阅读次数:208
使用Golang编写优化算法 (1)
动手写点东西是学习新知识很重要的一个阶段。之前用 Python 和 JavaScript 实现优化算法,现在用 Golang 来实现。语法上略有不爽,某些C语言的思维又回来了。
分类:其他好文   时间:2014-09-17 10:05:21    阅读次数:283
手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth(四)Hand Initialization
在多次的阅读这篇论文以后才明白文章的结构为什么这样安排:将Hand Initialization这部分放在文章的所有的优化算法的最后,说明整个算法即便是不要这一部分的优化也是可以的。我们从文章中的Table 2可以看到,不使用Hand Initialization得到的结果比使用到Initialization的结果差2mm。若是你对于最终的结果要求不是很高的话,其实可以忽略这一部分了。 我们从H...
分类:其他好文   时间:2014-09-13 15:57:35    阅读次数:219
【cs229-Lecture4】GLMS:选定指数分布族,如何用它来推导出GLM?
在Lecture4中有3部分内容: Newton’s method 牛顿方法 Exceponential Family 指数分布族 Generalized Linear Models 广义线性模型(GLMS) 牛顿法上一篇随便中已经讲过了,是平行于梯度下降算法的另一种最优化算法。 然后,视频中证明了...
分类:其他好文   时间:2014-09-11 18:59:42    阅读次数:278
512条   上一页 1 ... 47 48 49 50 51 52 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!